reversed_arr = arr[::-1]

给出原始数组arr的反向视图。对原始数组arr所做的任何更改也将立即在reversed_arr中可见。arr和reversed_arr的底层数据缓冲区是共享的，因此创建这个视图总是即时的，不需要为数组内容分配任何额外的内存或复制。

另请参阅关于NumPy视图的讨论:如何在NumPy数组上创建视图?

关于视图的性能问题的可能解决方案

您是否比实际需要更频繁地重新创建视图?你应该可以这样做:

arr = np.array(some_sequence)
reversed_arr = arr[::-1]

do_something(arr)
look_at(reversed_arr)
do_something_else(arr)
look_at(reversed_arr)

我不是numpy专家，但这似乎是用numpy做事情的最快方法。如果这是你已经在做的事情，我认为你无法改进。

a[::-1]

只创建一个视图，因此它是一个常量时间操作(因此随着数组的增长不会花费更长的时间)。如果你需要数组是连续的(例如，因为你要对它执行许多向量操作)，ascontinuousarray大约和flipud/fliplr一样快:

代码生成的情节:

import numpy
import perfplot


perfplot.show(
    setup=lambda n: numpy.random.randint(0, 1000, n),
    kernels=[
        lambda a: a[::-1],
        lambda a: numpy.ascontiguousarray(a[::-1]),
        lambda a: numpy.fliplr([a])[0],
    ],
    labels=["a[::-1]", "ascontiguousarray(a[::-1])", "fliplr"],
    n_range=[2 ** k for k in range(25)],
    xlabel="len(a)",
)

我将详述先前关于np.fliplr()的答案。下面是一些代码，演示了构造一个1d数组，将其转换为2d数组，翻转它，然后转换回1d数组。time.clock()将用于保持时间，时间以秒表示。

import time
import numpy as np

start = time.clock()
x = np.array(range(3))
#transform to 2d
x = np.atleast_2d(x)
#flip array
x = np.fliplr(x)
#take first (and only) element
x = x[0]
#print x
end = time.clock()
print end-start

打印语句不加注释:

[2 1 0]
0.00203907123594

打印语句被注释掉:

5.59799927506e-05

所以，就效率而言，我认为这是不错的。如果你们喜欢用一行来写，这就是表格。

np.fliplr(np.atleast_2d(np.array(range(3))))[0]

Np.fliplr()将数组从左向右翻转。

注意，对于1d数组，你需要一点技巧:

arr1d = np.array(some_sequence)
reversed_arr = np.fliplr([arr1d])[0]

片表示法是对np的模拟。翻转是[::-1，::-1]

a = np.array([[1., 2.], [3., 4.], [5, 6]])
print(a)

out: [[1. 2.]
      [3. 4.]
      [5. 6.]]

b=a[::-1,::-1]
print(b)

out: [[1. 2.]
      [3. 4.]
      [5. 6.]]

reversed_arr = arr[::-1]

给出原始数组arr的反向视图。对原始数组arr所做的任何更改也将立即在reversed_arr中可见。arr和reversed_arr的底层数据缓冲区是共享的，因此创建这个视图总是即时的，不需要为数组内容分配任何额外的内存或复制。

另请参阅关于NumPy视图的讨论:如何在NumPy数组上创建视图?

关于视图的性能问题的可能解决方案

您是否比实际需要更频繁地重新创建视图?你应该可以这样做:

arr = np.array(some_sequence)
reversed_arr = arr[::-1]

do_something(arr)
look_at(reversed_arr)
do_something_else(arr)
look_at(reversed_arr)

我不是numpy专家，但这似乎是用numpy做事情的最快方法。如果这是你已经在做的事情，我认为你无法改进。